Classification de la fibrillation atriale paroxystique à partir d’électrocardiogrammes en rythme sinusal en utilisant la méthode Symmetric Projection Attractor Reconstruction

Pourquoi cette étude sur le rythme cardiaque est importante

La fibrillation atriale est un trouble du rythme cardiaque fréquent qui peut augmenter silencieusement le risque d’accident vasculaire cérébral et de décès prématuré. Une forme déconcertante, appelée fibrillation atriale paroxystique, survient par poussées brèves et intermittentes : les patients peuvent donc présenter un tracé parfaitement normal lorsqu’ils consultent. Cette étude pose une question stimulante : même lorsque l’électrocardiogramme (ECG) semble normal, contient‑il malgré tout une empreinte subtile d’un trouble rythmique caché que les ordinateurs peuvent détecter — et cela pourrait‑il éviter aux patients des semaines de surveillance cardiaque inconfortable ?

Des indices cachés dans un test cardiaque courant

Les médecins diagnostiquent habituellement la fibrillation atriale en surprenant un épisode sur un ECG qui enregistre l’activité électrique du cœur. Pour les personnes dont les épisodes sont brefs et peu fréquents, les tests standard — et même des moniteurs portables de 30 jours — manquent souvent le problème. Les chercheurs ont exploré si un court ECG de 10 secondes effectué pendant un rythme cardiaque normal pouvait malgré tout révéler qui a des antécédents de fibrillation atriale paroxystique. Si c’était possible, un test de routine en clinique ou aux urgences pourrait signaler les patients à risque sans attendre la prochaine crise.

Transformer les battements du cœur en formes géométriques

Pour chercher ces indices cachés, l’équipe a utilisé une approche de traitement du signal appelée Symmetric Projection Attractor Reconstruction. Plutôt que de se concentrer sur les repères familiers de l’ECG — les pics et les ondes que les cliniciens inspectent habituellement — cette méthode considère le battement répétitif dans son ensemble comme un motif temporel. Elle échantillonne chaque battement en plusieurs points et trace ces valeurs les unes par rapport aux autres, transformant le signal unidimensionnel en une image géométrique bidimensionnelle appelée attracteur. Des changements subtils dans la façon dont le signal électrique du cœur monte, descend et varie d’un battement à l’autre se traduisent par des différences de forme, de taille et de densité de ces attracteurs, même lorsque l’ECG d’origine paraît normal à l’œil.

Former des ordinateurs à repérer des motifs à risque

Les investigateurs se sont appuyés sur une grande base de données publique d’ECG comprenant des personnes avec des épisodes documentés de fibrillation atriale et des sujets témoins assortis sans troubles du rythme connus, équilibrés selon l’âge et le sexe. Pour chaque tracé de 10 secondes en rythme normal, ils ont généré des images d’attracteur à partir des 12 dérivations ECG et ont converti ces formes en résumés numériques décrivant comment les points se concentraient selon différentes directions et distances par rapport au centre. Ces résumés ont ensuite été introduits dans deux approches d’apprentissage automatique standard : l’une classant un cas nouveau d’après ses plus proches voisins dans l’ensemble de données, l’autre construisant un arbre de décision fondé sur des règles si‑alors. L’équipe a aussi testé des questions pratiques importantes pour une utilisation réelle, comme savoir quelle dérivation ECG fonctionne le mieux et si des fréquences d’échantillonnage plus basses — courantes sur les machines de clinique — nuisent aux performances.

Quelle a été l’efficacité de la méthode

Sur de nombreuses combinaisons de paramètres, la meilleure configuration utilisait des caractéristiques d’attracteur décrivant la densité des points autour du cercle, extraites d’ECG échantillonnés à 125 hertz et classées avec la méthode des plus proches voisins. Dans ces conditions, le système distinguait correctement les personnes avec et sans fibrillation atriale paroxystique dans environ 81 % des cas. Il était très fiable pour identifier les témoins réellement sains (spécificité d’environ 95 %) mais plus modeste pour détecter tous les patients atteints (sensibilité d’environ 67 %). Une approche par arbre de décision a augmenté la sensibilité à environ 73 % au prix d’une plus grande propension aux faux positifs. Fait important, la méthode nécessitait seulement 10 secondes de données en rythme normal, et sa sensibilité était grosso modo le double de celle rapportée pour une surveillance cardiaque longue durée de 30 jours dans des travaux antérieurs.

Qui en bénéficie et ce qui reste à améliorer

Les chercheurs ont observé que les performances restaient assez stables selon les tranches d’âge mais étaient un peu meilleures chez les hommes que chez les femmes, ce qui reflète probablement des déséquilibres dans la base de données sous‑jacente. D’autres pathologies cardiaques présentes chez certains patients ont tendance à réduire la précision, et le délai entre l’épisode de fibrillation documenté et l’ECG en rythme normal semblait aussi avoir une influence. Ces résultats suggèrent que des études futures avec des cohortes plus larges et plus diversifiées — et un suivi rigoureux des autres diagnostics et des temps d’enregistrement — pourraient affiner l’outil et préciser les contextes où il fonctionne le mieux, par exemple en clinique, aux urgences ou dans des appareils portables.

Un pas vers une détection plus précoce et plus facile

Pour le grand public, l’essentiel est qu’un test cardiaque standard et rapide peut contenir plus d’informations que ce que les médecins perçoivent actuellement. En convertissant des battements apparemment normaux en motifs géométriques et en laissant des algorithmes comparer ces formes à travers de nombreux patients, cette étude montre qu’il est possible de repérer des personnes ayant des antécédents de fibrillation atriale paroxystique en n’utilisant que quelques secondes de rythme normal. Si la méthode n’est pas encore parfaite, elle offre une voie prometteuse vers un dépistage plus rapide et plus confortable, susceptible d’aider à identifier plus tôt les personnes à risque d’AVC et à orienter celles qui devraient bénéficier d’un suivi plus rapproché ou d’un traitement préventif.

Citation: Creasy, S., Lip, G.Y.H., Tse, G. et al. Classification of paroxysmal atrial fibrillation using sinus rhythm electrocardiograms using the symmetric projection attractor reconstruction method. Sci Rep 16, 9705 (2026). https://doi.org/10.1038/s41598-026-37491-1

Mots-clés: fibrillation atriale, électrocardiogramme, apprentissage automatique, rythme cardiaque, détection précoce